深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
1	2024-12-22	How the technologies behind self-driving cars, social networks, ChatGPT, and DALL-E2 are changing structural biology 2025-Jan, BioEssays : news and reviews in molecular, cellular and developmental biology IF:3.2Q1 DOI:10.1002/bies.202400155 PMID:39404756	综述	本文综述了深度学习技术在蛋白质结构生物学中的应用，包括卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络和图神经网络	探讨了将自动驾驶汽车、社交网络、ChatGPT和DALL-E2背后的技术应用于蛋白质结构生物学的新方法	主要面向实验结构生物学家，可能对其他领域的读者不够深入	介绍深度学习技术在蛋白质结构生物学中的应用，并为实验结构生物学家提供入门知识	蛋白质结构预测、逆折叠、蛋白质设计和小分子设计	机器学习	NA	深度神经网络	卷积神经网络、大型语言模型、去噪扩散概率模型/噪声条件得分网络、图神经网络	文本、图像、图	NA
2	2024-12-22	Osteoarthritis year in review 2024: Imaging 2025-Jan, Osteoarthritis and cartilage IF:7.2Q1 DOI:10.1016/j.joca.2024.10.009 PMID:39490728	综述	本文回顾了2024年期间关于骨关节炎（OA）影像学的最新文献，并识别了当前OA影像学研究的趋势	本文涵盖了AI在OA影像学中的新兴应用，并指出AI工具在OA影像研究中作为人类评估辅助手段的应用逐渐增加	本文主要基于2023年4月至2024年3月期间的文献，未涵盖更早或更晚的文献	回顾近期关于骨关节炎影像学的文献证据，并识别当前研究趋势	骨关节炎的影像学研究，特别是膝关节和髋关节的影像学研究	NA	骨关节炎	CT、MRI、AI、深度学习	NA	影像	涉及多个观察性研究，如多中心骨关节炎研究、鹿特丹研究、SEKOIA研究等
3	2024-12-22	Unveiling AI's role in papilledema diagnosis from fundus images: A systematic review with diagnostic test accuracy meta-analysis and comparison of human expert performance 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109350 PMID:39515271	综述	本文系统回顾了人工智能在从眼底图像诊断和分级视乳头水肿中的应用，并进行了诊断测试准确性的元分析	深度学习模型在检测视乳头水肿方面优于传统的机器学习算法，且在某些情况下超越了人类专家的表现	研究存在患者选择、图像来源和异质性等方面的局限性	探讨人工智能在视乳头水肿诊断和分级中的应用，并评估其诊断准确性	视乳头水肿的诊断和分级	计算机视觉	眼科疾病	人工智能	深度学习模型	图像	21项研究
4	2024-12-22	Structural-based uncertainty in deep learning across anatomical scales: Analysis in white matter lesion segmentation 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109336 PMID:39546878	研究论文	本文探讨了在多发性硬化症患者的磁共振成像扫描中，基于结构的不确定性在深度学习白质病变分割中的应用	开发了量化病变和患者尺度不确定性的新方法，并扩展了错误保留曲线分析框架以评估不同尺度的不确定性	NA	验证不同解剖尺度上的不确定性与特定类型错误之间的关系	多发性硬化症患者的白质病变分割	计算机视觉	神经系统疾病	深度学习	NA	图像	444名患者的多中心MRI数据集
5	2024-12-22	Augmenting a spine CT scans dataset using VAEs, GANs, and transfer learning for improved detection of vertebral compression fractures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109446 PMID:39550911	研究论文	本文通过使用VAE、GAN和迁移学习技术增强脊柱CT扫描数据集，以提高椎体压缩性骨折的检测能力	本文创新性地使用VAE-GAN模型生成高质量的合成数据，并通过迁移学习将模型适应于真实图像场景，显著提高了分类准确率	本文未详细讨论生成数据可能带来的潜在偏差或伦理问题	旨在通过增强数据集来提高AI系统对椎体压缩性骨折的早期自动检测能力	椎体压缩性骨折的检测	计算机视觉	骨骼疾病	VAE、GAN、迁移学习	CNN	图像	使用了来自AUBMC的胸部CT扫描数据集和CTSpine1K数据集
6	2024-12-22	Leveraging AI technology for distinguishing Eucommiae Cortex processing levels and evaluating anti-fatigue potential 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109408 PMID:39550909	研究论文	利用深度学习技术区分杜仲皮的不同加工等级并评估其抗疲劳潜力	首次使用ResNet和Vision Transformer模型对杜仲皮图像进行分类，并评估其抗疲劳效果	研究仅在动物模型上进行，尚未在人体上验证	开发一种准确、快速且无创的方法来评估杜仲皮的加工等级及其抗疲劳潜力	杜仲皮的不同加工等级及其抗疲劳效果	计算机视觉	NA	深度学习	ResNet, Vision Transformer	图像	使用小鼠进行实验，具体数量未提及
7	2024-12-22	Data augmentation with generative models improves detection of Non-B DNA structures 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109440 PMID:39550912	研究论文	本文探讨了使用生成模型进行数据增强以提高非B DNA结构检测的方法	本文首次测试了扩散模型与其他生成模型在生成合成非B DNA结构方面的性能，并展示了数据增强对分类器质量的提升	本文发现生成扩散模型在生成样本质量、多样性和采样速度之间存在权衡	测试不同生成模型在生成合成非B DNA结构以进行数据增强时的性能	非B DNA结构（flipons）	机器学习	NA	生成模型	扩散模型（DDPM和DDIM）、Wasserstein生成对抗网络（WGAN）、向量量化变分自编码器（VQ-VAE）	DNA序列	NA
8	2024-12-22	Predicting brain age with global-local attention network from multimodal neuroimaging data: Accuracy, generalizability, and behavioral associations 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109411 PMID:39556917	研究论文	本研究探讨了通过整合结构MRI和扩散MRI来提高大脑年龄预测的准确性，并提出了一个基于注意力机制的深度学习模型	本研究创新性地提出了一个基于注意力机制的深度学习模型，融合了结构MRI的全局信息和扩散MRI的局部细节，显著提高了大脑年龄预测的准确性和泛化能力	尽管多模态模型在可重复性方面表现优异，但在纵向一致性方面略逊于单一模态模型	研究通过整合多模态神经影像数据来提高大脑年龄预测的准确性和泛化能力，并探讨大脑年龄与行为测量之间的关系	大脑年龄预测模型及其与行为测量的关联	计算机视觉	NA	MRI	注意力网络	影像	使用了两个大型数据集：HCP数据集（n=1064，年龄22-37）和Cam-CAN数据集（n=639，年龄18-88），并在三个独立数据集（n=546，年龄20-86）上测试了泛化能力，在测试-重测试数据集（n=44，年龄22-35）上测试了可重复性，并在纵向一致性测试中使用了n=129的样本（年龄46-92）
9	2024-12-22	Explainable Deep Learning Approaches for Risk Screening of Periodontitis 2025-Jan, Journal of dental research IF:5.7Q1 DOI:10.1177/00220345241286488 PMID:39563207	研究论文	本研究利用可解释的人工智能（XAI）技术，通过分析多种临床特征，为牙周炎的早期筛查提供个性化风险评估	本研究首次将可解释的人工智能技术应用于牙周炎的早期筛查，并通过LIME方法评估了潜在的相关因素，揭示了与牙周炎相关的重要特征	本研究的样本主要来自NHANES数据库，可能存在样本代表性不足的问题	开发一种基于可解释人工智能技术的牙周炎早期筛查工具	牙周炎的早期筛查及相关风险因素	机器学习	牙周疾病	可解释的人工智能（XAI）	深度学习模型	临床数据	30,465名参与者，其中9,632名用于所有年龄组，5,601名用于50岁以上年龄组
10	2024-12-22	Automatic discrimination between neuroendocrine carcinomas and grade 3 neuroendocrine tumors by deep learning of H&E images 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109443 PMID:39577349	研究论文	本文开发了一种基于深度学习的系统NEToC，用于通过免疫组织化学图像自动区分神经内分泌癌和3级神经内分泌肿瘤	NEToC系统通过深度学习技术，仅使用形态学信息进行分类，无需依赖Ki-67或有丝分裂评估，提高了诊断的准确性和标准化	系统在处理低级别神经内分泌肿瘤时存在误分类问题，主要表现为将G1型图像错误分类为神经内分泌癌	开发一种能够准确区分神经内分泌癌和3级神经内分泌肿瘤的深度学习系统，以辅助病理学家进行诊断	神经内分泌肿瘤和神经内分泌癌的分类	数字病理学	NA	深度学习	人工神经网络	图像	95例神经内分泌肿瘤病例，包含588张图像
11	2024-12-22	Deep learning-based denoising for unbiased analysis of morphology and stiffness in amyloid fibrils 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109410 PMID:39577350	研究论文	本研究开发了一种基于U-Net深度学习架构的去噪软件，用于提高原子力显微镜（AFM）图像中淀粉样纤维形态和刚度的分析精度	首次采用深度学习技术对AFM图像进行去噪处理，并开发了自动化的纤维分析技术，显著提高了淀粉样纤维形态和刚度的量化精度	NA	提高淀粉样纤维形态和刚度的分析精度，推动淀粉样相关疾病的研究	淀粉样纤维的形态和刚度	机器学习	NA	原子力显微镜（AFM）	U-Net	图像	NA
12	2024-12-22	Multi-scale multimodal deep learning framework for Alzheimer's disease diagnosis 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109438 PMID:39579666	研究论文	本文提出了一种多模态多尺度的深度学习框架，用于阿尔茨海默病的诊断	本文创新点在于开发了一种多模态多尺度的深度学习模型，利用卷积神经网络嵌入多模态图像，并通过多模态尺度融合机制和跨模态融合模块增强特征提取和交互，从而提高阿尔茨海默病的诊断准确性	本文未提及具体的局限性	开发一种新的深度学习框架，用于提高阿尔茨海默病的诊断准确性	阿尔茨海默病的诊断	机器学习	阿尔茨海默病	卷积神经网络	CNN	图像	ADNI数据集
13	2024-12-22	Advanced statistical inference of myocardial stiffness: A time series Gaussian process approach of emulating cardiac mechanics for real-time clinical decision support 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109381 PMID:39579662	研究论文	本文提出了一种基于时间序列高斯过程的统计推断方法，用于模拟心脏力学并实时支持临床决策	本文创新性地将高斯过程应用于心脏力学建模，并通过Kronecker积技巧分解复杂协方差矩阵，结合主成分分析和深度学习神经网络提取时间序列数据，实现了对心肌硬度的实时推断	本文的局限性在于其方法的计算成本仍然较高，尽管通过统计代理模型有所缓解，但仍需进一步优化以实现更高效的实时决策支持	本文的研究目的是通过先进的统计推断方法，从左心室容积测量中推断心肌的被动硬度，以支持个性化医疗和临床决策	本文的研究对象是心肌的被动硬度和左心室容积，以及这些参数在心脏力学模型中的推断和不确定性量化	数字病理学	心血管疾病	高斯过程，主成分分析，深度学习神经网络	高斯过程模型，深度学习神经网络	时间序列数据，图像	使用真实患者数据进行测试
14	2024-12-22	Implementing deep learning on edge devices for snoring detection and reduction 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109458 PMID:39579667	研究论文	本研究介绍了MinSnore，一种专门为低配置边缘设备设计的实时打鼾检测和减少的深度学习模型	MinSnore通过集成MobileViTV3块到Dynamic MobileNetV3骨干模型架构中，利用卷积神经网络（CNN）和变换器来提供增强的特征表示，同时保持最小的计算开销	NA	开发一种高效、低成本且高度准确的打鼾缓解解决方案，以解决与睡眠相关的健康问题	打鼾检测和减少	机器学习	NA	卷积神经网络（CNN），变换器，自监督学习与Barlow Twins（SSL-BT）方法	CNN，MobileNetV3	音频	46,349个音频文件用于预训练，17,355个分段剪辑用于微调
15	2024-12-22	NExpR: Neural Explicit Representation for fast arbitrary-scale medical image super-resolution 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109354 PMID:39602975	研究论文	本文提出了一种名为NExpR的神经显式表示方法，用于快速任意尺度的医学图像超分辨率	NExpR通过显式解析函数表示图像，避免了现有隐式神经表示方法中重复执行神经网络的低效问题，实现了显著的速度提升	NA	开发一种快速且高效的任意尺度医学图像超分辨率方法	医学图像，特别是磁共振成像（MRI）和计算机断层扫描（CT）图像	计算机视觉	NA	神经网络	神经网络	图像	包括ProstateX、fastMRI和内部临床前列腺数据集的MRI数据集，以及Medical Segmentation Decathlon（MSD）肝脏数据集的CT数据集
16	2024-12-22	RS-MOCO: A deep learning-based topology-preserving image registration method for cardiac T1 mapping 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109442 PMID:39608033	研究论文	本文提出了一种基于深度学习的拓扑保持图像配准方法RS-MOCO，用于心脏T1映射中的运动校正	提出了隐式一致性约束BLOC，通过双向一致性约束和局部抗折叠约束在一定程度上保持图像拓扑；引入了加权图像相似性度量用于多模态心脏T1加权图像的配准；集成了半监督心肌分割网络和双域注意力模块以提高配准性能	未提及具体的局限性	开发一种有效、鲁棒且高效的运动校正方法，用于心脏T1映射	心脏T1映射图像	计算机视觉	心血管疾病	深度学习	CNN	图像	未提及具体样本数量
17	2024-12-22	AELGNet: Attention-based Enhanced Local and Global Features Network for medicinal leaf and plant classification 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109447 PMID:39608035	研究论文	本文提出了一种基于注意力机制的增强局部和全局特征网络（AELGNet），用于药用植物和叶子的分类	本文的创新点在于结合了对比度受限的自适应直方图均衡化（CLAHE）和深度学习架构AELGNet，通过提取局部和全局特征来提高药用植物和叶子的分类准确性	本文的局限性在于实验仅使用了印度药用植物的数据集，可能限制了方法的普适性	本文的研究目的是开发一种高效且准确的药用植物和叶子分类方法	本文的研究对象是药用植物和它们的叶子	计算机视觉	NA	深度学习	AELGNet	图像	使用了印度药用植物的数据集
18	2024-12-22	DeepCTG® 2.0: Development and validation of a deep learning model to detect neonatal acidemia from cardiotocography during labor 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109448 PMID:39608037	研究论文	本文开发并验证了一种深度学习模型DeepCTG® 2.0，用于从分娩期间的胎心监护图（CTG）信号中检测新生儿酸中毒	提出了一个卷积神经网络模型，用于从CTG信号中检测新生儿酸中毒，并通过跨中心评估展示了模型的泛化能力	模型仍需改进，可以通过添加临床变量来考虑CTG信号中未显示的酸中毒风险因素	开发和验证一种深度学习模型，用于从分娩期间的CTG信号中检测新生儿酸中毒	新生儿酸中毒的检测	机器学习	NA	卷积神经网络	CNN	信号	27662例，包括3457例中度和464例重度新生儿酸中毒
19	2024-12-22	Deep Learning Predicts Lymphovascular Invasion Status in Muscle Invasive Bladder Cancer Histopathology 2025-Jan, Annals of surgical oncology IF:3.4Q1 DOI:10.1245/s10434-024-16422-2 PMID:39472420	研究论文	本文开发了一种基于深度学习的模型SBLVIP，用于预测肌肉浸润性膀胱癌患者的淋巴血管侵犯状态	首次使用深度学习模型SBLVIP在全切片图像上预测肌肉浸润性膀胱癌患者的淋巴血管侵犯状态	NA	开发一种深度学习模型，用于准确识别肌肉浸润性膀胱癌患者的淋巴血管侵犯状态，以实现有效的风险分层和精准治疗	肌肉浸润性膀胱癌患者的淋巴血管侵犯状态	数字病理学	膀胱癌	深度学习	深度学习模型	图像	使用了来自TCGA数据库的队列进行训练，并在武汉大学人民医院和汉川市人民医院的队列中进行外部验证
20	2024-12-22	Utilization of a hierarchical electrocardiogram classification model for enhanced biometric identification 2025-Jan, Computers in biology and medicine IF:7.0Q1 DOI:10.1016/j.compbiomed.2024.109254 PMID:39522129	研究论文	本文提出了一种两阶段的基于心电图（ECG）信号的用户识别系统，通过结合ECG信号和状态信息来提高动态特征学习能力	本文的创新点在于提出了一种两阶段的用户识别系统，通过分类用户的ECG状态并利用第二模型的特征值来提高动态特征学习能力，从而在用户处于不同压力状态下仍能实现高精度的识别	本文的局限性在于仅在两个数据库上进行了性能评估，未来需要在更多样化的数据集上验证其有效性	本文的研究目的是提高基于ECG信号的用户识别系统的实用性和准确性	本文的研究对象是基于ECG信号的用户识别系统	机器学习	NA	NA	NA	信号	使用了CSU-BIODB和MIT-BIH ST Change数据库，分别获得了92.08%和95.83%的识别准确率